蚂蚁集团-Agent后训练工程师-杭州/上海

优缺点分析

角色解读

• 可向AI专家方向发展，成为大模型后训练或智能体领域的核心技术骨干
• 有机会晋升为技术团队负责人，带领项目组攻克复杂AI难题
• 横向拓展至风控、推荐等业务领域，成为业务与技术结合的复合型人才
• 设计并实现多样性的用户模拟器，用于生成训练和测试数据，以及强化学习轨迹
• 优化开源基座模型的指令遵循能力，通过APO技术精简提示词，提升模型效率
• 开展多轮强化学习后训练，改进奖励塑造和轮次奖励方法，提升训练稳定性
• 建设欺诈叫醒素材库，利用聚类和图文生成技术从举报案件库中提取针对性素材
• 掌握大模型后训练方法，如SFT、DPO、GRPO，能够独立完成模型微调
• 熟悉智能体中的工具调用和记忆压缩技术，有相关优化经验
• 精通PyTorch或TensorFlow，具备深度学习模型开发能力
• 了解多模态表征学习，能够处理图文语音等多源数据

申请策略

• 面试时准备一个完整的大模型后训练项目案例，包括问题定义、技术选型和结果分析
• 提前了解蚂蚁集团风控业务背景，思考Agent在风控中的应用场景
• 突出大模型后训练经验，详细描述SFT/DPO/GRPO的项目案例和效果
• 强调智能体相关的记忆压缩或Tool调用优化经历，展示技术深度
• 列出顶会论文发表记录，尤其是ACL、EMNLP、ICML等
• 如有风控或金融领域经验，务必提及以增加匹配度
• 可预习多模态表征学习相关论文，如CLIP、BLIP等
• 复习强化学习基础，特别是多轮RL和Reward Shaping方法

面试指南

• 对于技术对比类问题：先阐述各自原理，再结合项目实际说明选择依据和效果
• 对于优化问题：先分析问题原因，再提出改进方案，最后展示实验结果
• 对于开放设计问题：从需求出发，逐步分解，给出多种方案对比
• 请详细讲解SFT和DPO的区别，以及你在项目中如何选择？
• 在Multi-turn RL中如何处理稀疏奖励问题？你有什么优化经验？
• 介绍一下你在智能体Tool调用中的设计，如何处理多步复杂任务？
• 你如何处理长记忆压缩？有哪些常用方法？
• 系统复习大模型后训练论文，重点看RLHF和GRPO相关文献